人工智能之神经网络特训班课程过半,这些内容关键点你不能错过

2016 年,谷歌 AlphaGo 下围棋战胜了人类世界冠军李世石;美国白宫发布了人工智能白皮书;微软研发的 AI 语音识别首次超过了人类...人工智能一跃成为产业发展的主要方向、科技进步的关键源动力。

相信很多人都注意到了这一趋势,但现实是:仍有许多朋友对 AI 一知半解,如雾里看花。究其原因,或许可以归结为以下几点:找不到系统的学习资料,缺少经验丰富的“引路人”,以及没有一个合适的学习、交流平台。

为此,AI科技评论联合国内顶级 AI 培训平台“1024MOOC学院”,邀请到清华大学计算机系的博士生导师邓志东教授作为授课嘉宾,举办“人工智能之神经网络特训班”。邓教授从事包括深度神经网络在内的人工神经网络研究 25 年,在清华授课 20 余年,研究无人驾驶技术 8 年,具有非常丰富的研发和教学经验。

上周末(3 月 4 日、5 日),第一期课程“人工智能之神经网络特训班”结束了前两个章节的学习,并将于本周末进入最后两个章节。下面,我们将简单汇总上周课程的讲授重点,以帮助那些错过上周末直播的朋友更好地理解后续内容。

上周讲授的主要内容包括以下两个方面:1. 人工智能与生物神经系统;2. 人工神经网络基础。

人工智能与生物神经系统

这一部分邓教授综述了 AI 的定义及发展历程、关键技术成果、高性能计算平台以及典型应用场景和前沿探索等内容。课程中,邓教授在阐述 AI 发展历史的同时,会不时插入一些经典的用例和关键技术特征,而且,在讲述技术特征时,又会常常联系起此前出现过的其他技术特征,对比其区别和联系。总体上,让学员在 AI 发展历程和关键技术特点之间建立了一个相互联系的牢固架构,非常便于理解和记忆。相关精彩 PPT 如下:

人工智能名称的由来

三个人工智能学习方法

深度神经网络的主要分类

一些关键进展

人工智能离不开大数据的支持

离不开超强硬件计算能力的支持

新体制的硬件平台

未来的一些方向

生物神经系统原理

人工神经网络基础

第二部分,教授讲述了人工神经元的基本模型,以及 BP 网络、Hopfield 网络这两种关键模型。在讲解后面两种景点神经网络模型时,邓教授对基于 BP 和 Hopfield 网络的每一个优化和细分结构都进行了公式推理级的详细讲解,让学员不但清楚了这些结构的优势,并且理解了为什么具有这些优势。相关精彩 PPT 如下:

标准人工神经元模型——MP模型

人工神经网络的关键就是网络结构+学习算法

三种典型网络结构

BP网络的相关内容

Hopfield网络的相关内容

对于邓老师的讲解,课后学员们给予了非常高的评价,我们摘取了一小部分:

  • 学员A:我是个有一定从业的人,邓老师考虑了普适性,今天的课程主要面向初学者的。不过我听了后都学到了不少东西。同时我也期待下几次课里对神经网络的讲述能带来更多干货;
  • 学员B:其他培训机构重点讲实战,唯独没有请顶级大学的教授讲理论的。听别家讲理论,老师自己都说自己没讲明白。邓老师讲resnet的理论,可以填补市场上的空白;
  • 学员C:Hopfield 的这段讲的真好,老师在短时间内介绍了很多东西。主办方可以考虑开个长期一些的课,针对不同需求。

本周末已经全部放送结束,大家请期待周一的亮点整理(下)。

  • CNN 的发展历程,基本原理,典型模型 (包括 AlexNet、VGG、GoogLeNet、ResNet等);
  • CNN 的编程实操剖析;
  • 为什么说 CNN 是目前人工智能的主要进展?

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-03-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏熊二哥

项目管理深入理解03--质量管理

质量管理一章内容非常驳杂,而且不太好理解,不愧为可以单独成书的一部分内容,尤其其中涉及的质量管理方法非常的多,抓住重点才能学习好这一章节。 ? 项目质量管理实...

1768
来自专栏AI科技评论

IROS 2016 | 德国 Heinrich H Bulthoff 教授:机器人能从人脑感知和认知中借鉴什么?

AlphaGo赢得围棋大战后,很多人开始思考AI革命的问题,说白了就是AI阶段上升的问题,它标志着我们从弱AI阶段进入了强AI或者说人类水平的AI阶段,但既然跟...

2745
来自专栏PPV课数据科学社区

神奇的数据挖掘

谈到BI,就会谈到数据挖掘(Data mining)。数据挖掘是指用某些方法和工具,对数据进行分析,发现隐藏规律并利的一种方法。下面我们将通过具体的例...

3706
来自专栏PPV课数据科学社区

你知道吗:机器学习发展的黄金时间只是刚刚开始?

尽管神经网络、人工智能和机器学习的嗡嗡声已经发展到相当的阶段。然后,就像很多人知道的那样,这里仍然没有发展出一套新的研究方法。如果有很多核心的算法和途径在这几十...

2715
来自专栏大数据挖掘DT机器学习

写给刚入门的数据分析师的几点建议

1.数据是有立场的,立场决定解读 数据对于业务来讲,是KPI的衡量标杆,也是行动指南。但一旦涉及到立场和方向性的东西,必然有利益触发点的问题。比如同样的一次活动...

2956
来自专栏CDA数据分析师

入门选手必备 | 大数据分析学习之路

目录: 大数据分析的五个基本方面 如何选择适合的数据分析工具 如何区分三个大数据热门职业 从菜鸟成为数据科学家的 9步养成方案 从入门到精通—快速学会大数据分析...

20010
来自专栏北京马哥教育

随着Python越来越火,前景如何?

为什么Python会越来越火? python最大的问题在于性能。性能问题其实是在设计时最容易被误解的部分。C++以『接近C语言的性能』横行多年。随着物理硬...

3997
来自专栏互联网杂技

全面揭秘!详析 Adobe XD 的团队内部使用的设计思考流程

你有没有想过,如果有一种通用公式,能让你设计出创新性的产品、用户体验或服务,这世界将会发生什么? ——我指的可不是那些慢吞吞的递进式优化,我要说的是"破坏性"的...

44811
来自专栏企鹅号快讯

量子技术与人工智能:同时进化的双生子

诞生于 1965 年的摩尔定律,对二十世纪后半叶的世界经济增长做出了巨大贡献,并驱动了一系列科技创新和经济增长。摩尔定律预测集成电路上晶体管的数量每两年翻一倍,...

20010
来自专栏智能算法

干货 | 从菜鸟到老司机,数据科学的 17 个必用数据集推荐

编者按:数据集可谓是数据科学的练兵场,不管是对菜鸟入门还是老司机上路,能找到一个好用的数据集无异于如虎添翼。以下是编者整理编译的 17 个常用数据集,并列举了适...

4076

扫描关注云+社区